Python STATSOLS模型适合计算时间

我正在使用statsmodels.api进行一些简单的OLS回归。。。不知何故，每次我运行脚本时，它都会卡在model.fit上，我不知道为什么

以下是我的代码片段：

import statsmodels.api as sm

merged

是一个作为回归变量的熊猫数据框，而memoscore是一个作为我的因变量的熊猫数据框。以下几项工作立即顺利完成：

model = sm.OLS(np.array(memoscore), np.array(sm.add_constant(merged)))
results = model.fit()

memoscore_ln = np.log(memoscore)
model = sm.OLS(np.array(memoscore_ln), np.array(sm.add_constant(merged))

然后我记录了

memoscore

，以下内容仍然立即起作用：

model = sm.OLS(np.array(memoscore), np.array(sm.add_constant(merged)))
results = model.fit()

memoscore_ln = np.log(memoscore)
model = sm.OLS(np.array(memoscore_ln), np.array(sm.add_constant(merged))

但它永远卡在这里：

results = model.fit()

---

有人能提出原因和/或如何解决这个问题吗？提前非常感谢

我将数据导出到R，并使用

memoscore

运行相同的OLS，并记录

memoscore

作为因变量，它工作得很好。仍然不知道statsmodels有什么问题，但至少我了解到R是执行此类简单回归任务的首选软件。

检查数据中的nan和INF。根据底层的线性代数库，这可能会挂起。OLS本身只是做一些数据准备，但基本上没有计算。@user333700，非常感谢您的评论。我检查了我的观察结果，没有一个是nan或infs。。。他们看起来都很好。。。我想在实现OLS时确实有一个矩阵需要反转，不是吗？你检查了记录的系列备忘录吗？默认情况下，statsmodels.OLS使用SVD来解决线性最小二乘问题。如果发现无效值，MKL将引发一个错误，但一些旧的LAPACK库从未返回，甚至在使用NAN或infs的某些linalg操作中出现错误。@user333700，再次感谢您的及时回复！！是的，我做了，我特别检查了所有memoscore\u ln实例是否都是数字。。。他们确实是。。。合并后的

中包含的所有其他变量也是如此。。。我想到的一件事是，
merged
中的一些变量可能是高度相关的。。。这可能是问题的原因吗？如果是这样，当未记录
memscore
时，它是如何顺利进行的？非常感谢。鉴于您的线性模型拟合速度很快，svd和设计矩阵中不会有问题。（SVD是近共线的最佳算法，如果在阈值内完全共线，则会进行正则化。）问题的根源必须来自于获取日志。检查memoscore_ln的值是否在合理范围内（例如np.min、np.max），并尝试剪裁值以查看是否有帮助。（剪辑是为了调试而不是为了最终估计。）基本上，除了-inf之外，我在数组中没有任何嫌疑犯。如果这不起作用，你能提供数据吗？你检查过R是否删除了观察结果吗？@user333700，谢谢你的建议！我检查过了，所有的观察结果都保存了。。。